Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Tanjaya Jason Winata
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SIMULASI JARINGAN UNTUK SISTEM TERDISTRIBUSI KOHA DENGAN GNS3 Tanjaya Jason Winata; Richard Souwiko; Jason Sutanto
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i2.31572

Abstract

Penelitian ini bertujuan untuk mensimulasikan sistem terdistribusi Koha pada perpustakaan konvensional dengan menggunakan GNS3. Mengingat sebagian besar perpustakaan saat ini masih mengelola koleksinya secara tradisional, penelitian ini bertujuan untuk mengintegrasikan teknologi dengan sistem perpustakaan konvensional. Melalui simulasi ini, diharapkan dapat mengembangkan solusi terdistribusi yang efisien untuk membantu perpustakaan dalam kegiatan operasional sehari-hari, termasuk katalogisasi, peminjaman, pengembalian, dan pelacakan inventaris. Penelitian ini menggunakan metode deskriptif. Metode ini dipilih untuk memberikan gambaran yang akurat dan terperinci mengenai implementasi Integrated Library System di perpustakaan konvensional. Berdasarkan hasil simulasi, didapatkan bahwa WebClient pada bagian luar, Web Server dan KohaServer pada bagian DMZ dapat berjalan dengan baik. Web Server dan KohaServer untuk klien dapat diakses melalui browser pada WebClient sedangkan KohaServer untuk staff dapat diakses langsung melalui browser pada KohaServer.
Indonesia Jason Sutanto; Tanjaya Jason Winata; Olivia Clarabella Khotiera; Wahyu Pamungkas
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/rdp93s54

Abstract

Dogecoin merupakan salah satu aset cryptocurrency yang awalnya dibuat sebagai parodi namun berkembang menjadi aset digital dengan kapitalisasi pasar yang besar. Transaksi dan investasi menggunakan Dogecoin memiliki tingkat volatilitas yang tinggi sehingga harga sering berubah secara signifikan dalam waktu singkat. Oleh karena itu, diperlukan prediksi harga yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk membandingkan tiga algoritma machine learning linear, yaitu Support Vector Regression (SVR) dengan Kernel Linear, Regresi Linear, dan AdaBoost dalam memprediksi harga Dogecoin untuk satu hari ke depan. Dataset yang digunakan merupakan data historis harga harian Dogecoin dari tahun 2019 hingga 2025 yang diperoleh dari Investing.com, meliputi harga Open, High, Low, dan Close. Proses prapemrosesan data dilakukan menggunakan Z-Score Normalization, sedangkan pembagian data dilakukan dalam dua skenario, yaitu 80% pelatihan 20% pengujian dan 60% pelatihan 40% pengujian. Hasil penelitian menunjukkan bahwa model SVR Kernel Linear memiliki performa terbaik dengan MAE 0.00471 USD, RMSE 0.01355 USD, dan R² 0.98032, mengungguli Regresi Linear dan jauh lebih baik dibandingkan AdaBoost. Berdasarkan hasil evaluasi, SVR Kernel Linear terbukti sebagai model paling akurat dan stabil dalam memprediksi harga Dogecoin karena mampu menangkap pola hubungan linear antar variabel secara efektif.
Co-Authors Jason Sutanto Olivia Clarabella Khotiera Richard Souwiko Wahyu Pamungkas